التقويم

ترجمة آلية للصفحة الإنجليزية، لم يراجعها بعد متحدث أصلي.

التقويم — عملية جمع الأدلة وتفسيرها حول ما يعرفه المتعلّمون وما يستطيعون فعله، والطرق المستخدمة لتقييم التعلّم. أعاد الذكاء الاصطناعي في التعليم تشكيل التقويم بشكل أساسي: فهو يُشغّل التصحيح والتقييم الآلي، ويولّد بنود التقويم ويُكيِّفها، ويثير أسئلة عميقة حول ما تقيسه التقويمات فعلاً عندما يستطيع الطلاب استخدام الذكاء الاصطناعي. التقويم هو المفهوم المظلّة الذي يُنظّم تغطية قاعدة المعارف لـالتقويم البنّاء والتصحيح الآلي والصدق والقياس التربوي.

أسئلة للتأمل

• يُعرَّف التقويم هنا كجمع الأدلة وتفسيرها حول ما يعرفه المتعلّمون وما يستطيعون فعله. قبل القراءة، كيف تُكمل جملة «التقويم صحيح إذا…» — وما الذي سيتغيّر في جوابك إذا أمكن كل طالب استخدام الذكاء الاصطناعي سراً لإنتاج أعماله؟
• تزعم الصفحة أن كيفية استخدام الطالب للذكاء الاصطناعي التوليدي (التكامل التقويمي مقابل الاعتماد المختصر غير النقدي) تنبّأت بالأداء، في حين لم يتنبّأ تكرار استخدامه بشيء. ماذا يُشير ذلك إلى حدس شائع ينادي بتنظيم الذكاء الاصطناعي عبر تقييد استخدامه؟
• قد يُقدّم متعلّم عملًا بمستوى مهني لا يستطيع إنتاجه دون الأداة — مقطِعاً الاستدلال بين الأداء والقدرة الكامنة. هل صادفتَ «كفاءة» تُمنح عن عمل لا يستطيع الطالب فعله فعلاً بلا مساعدة؟ ماذا كشف ذلك؟
• السؤال البنّاء الذي تقدّمه الصفحة ليس «كيف نمنع الطلاب من استخدام الذكاء الاصطناعي؟» بل «كيف نُمكّن استخدامه المتأنّي في سياقات تُحاكي أعمالهم المستقبلية؟» كيف سيبدو التقويم في مجالك لو كان ذلك هو الهدف؟
• يُشير إطار DRIVE إلى تقويم جودة اندماج الطالب مع الذكاء الاصطناعي التوليدي — لا المصنوع فحسب — بالنظر إلى ما إذا كان يُوجّه الموجّهات استراتيجياً ويدمج أفكاره الخاصة. على ماذا ستنظر لتميّز تفاعلاً عميقاً تأملياً مع الذكاء الاصطناعي عن استهلاك سطحي؟
• يتنوّع التقويم المُوسَّط بالذكاء الاصطناعي إلى الامتحانات الشفهية والمحافظ والأنماط المحادثية التي تُقلّل القلق وتبدو ذات صلة مهنية. أي نمط تقويم من تجربتك الخاصة تظنّه الأكثر «مقاومة للذكاء الاصطناعي» — وهل المقاومة ذاتها هي القيمة التعليمية؟

مقدمة

التقويم محوري في الذكاء الاصطناعي في التعليم لسببين. أولاً، يُستخدم الذكاء الاصطناعي نفسه في تقويم الطلاب — تصحيح المقالات والأكواد والأجوبة القصيرة والامتحانات على نطاق واسع. ثانياً، يُغيّر الذكاء الاصطناعي في الفصل الدراسي ما يمكن للتقويمات قياسه بشكل صحيح، لأن الطلاب قد يستخدمون الذكاء الاصطناعي التوليدي لإنتاج الأعمال. لذلك يمتد المجال إلى كلٍّ من الأدوات التي تؤتمت التقويم وأسئلة الصدق والنزاهة التي يثيرها الذكاء الاصطناعي.

كيف يُستخدم الذكاء الاصطناعي في التقويم

• التقويم الآلي: يمتد التقويم القائم على الذكاء الاصطناعي عبر أنماط متعددة — الاختيار من متعدد والأجوبة القصيرة والمقالات والأكواد والتقييم القائم على الأداء — عبر التصحيح الآلي وتقويم المقالات الآلي وتوليد الأسئلة الآلي.
• التقويم التكويني: تُولّد أنظمة الذكاء الاصطناعي بنود التقويم التكويني وتُصادق عليها وتُكيِّفها على نطاق واسع، مُغذّيةً التعليم المستمر لا التقييم الختامي فحسب.
• تحليلات التعلّم والقياس: تربط تحليلات التعلّم والقياس التربوي بيانات التقويم بعمليات التعلّم، باستخدام نظرية الاستجابة للمفردة وتتبّع المعرفة ونمذجة المتعلّم والتعليم التكيّفي لتفسير الأداء. يُظهر رازافي وباورز (2026) تقدير صعوبة البنود القائم على النماذج اللغوية الكبيرة كمدخل قياسي: فعبر 5,170 بنداً في الرياضيات والقراءة لمرحلة K-5 عُيَّرت تحت نموذج راش لنظرية الاستجابة للمفردات، ارتبطت تقديرات GPT-4o الصفرية-الموجّه ارتباطاً متوسطاً إلى قوياً بالصعوبات الحقيقية (r = 0.83 في الرياضيات، r = 0.81 في القراءة) لكنها تفاوتت بحسب المرحلة، في حين بلغت المقاربة القائمة على الخصائص (خصائص مستخرَجة بالنماذج اللغوية الكبيرة في نماذج شجرية) ارتباطات تصل إلى r = 0.87. وتُقدّم الدراسة سير عمل عملياً من سبع خطوات لاختصاصيي الاختبارات، مع التحذير من أن قابلية التعميم خارج الرياضيات والقراءة لمرحلة K-5 غير واضحة.
• حلقات التغذية الراجعة: يُغذّي تقويم الذكاء الاصطناعي بشكل متزايد حلقات تغذية راجعة تُغلق الدورة من التقويم إلى التعلّم.
• تقويم المحافظ الإلكترونية: تجمع المحافظ الإلكترونية أعمال الطلاب وتأملاتهم عبر الزمن كنمط تقويم قائم على العملية ومقاوم للذكاء الاصطناعي. يمكن للذكاء الاصطناعي التوليدي أن يُعين عملية المحفظة — بتوليد التغذية الراجعة والسقالة التأمل ودعم التقييم (مع تصميم سلم تقييم مناسب) — في حين يقاوم تركيز المحفظة على آثار الاستدلال والمسوّدات تلفيق الذكاء الاصطناعي. ويُظهر التقويم المُساعَد بالمحافظ بالذكاء الاصطناعي وChatGPT + المحفظة الإلكترونية للتحدث بالإنجليزية كلغة أجنبية أن الذكاء الاصطناعي يستطيع تعزيز تجربة المحفظة وثقافة التغذية الراجعة لدى المتعلّم معاً.
• موثوقية تصحيح الأسئلة المفتوحة معتمدة على النموذج: قاس بيتشوكوفا وبنكو ودريك (2025) أحد عشر نموذج ذكاء اصطناعي توليدي ونموذج تضمين جمل مقابل مصحّحين خبيرين على 1,885 استجابة مفتوحة في هندسة البرمجيات: لم يبلغ سوى GPTo1 اتفاقاً شبه مثالي (كابا فليس 0.82)، في حين عاقبت النماذج المرجعية الأجوبة الصحيحة المُصوغة بشكل مختلف. ولأن GPTo1 كان النموذج الوحيد الذي اعتُبر قابلاً للنشر دون إشراف لكنه يحمل كلفات واجهة برمجية مملوكة، يُوصي المؤلفون باستراتيجيات هجينة تُزاوج نماذج متقدمة بخيارات ميسورة أو إشراف بشري في البيئات المحدودة الموارد. وتؤكّد مراجعة منهجية موجَّهة بتوجيهات PRISMA لـ42 دراسة تجريبية (2023–2025) صورة الموثوقية المشروطة هذه في مجال التصحيح كله: تطابق النماذج اللغوية الكبيرة المقيّمين البشريين في المهام المغلقة وذات الأجوبة القصيرة لكنها لا تستطيع أن تحلّ محل الحكم البشري كاملاً في الأعمال المعقّدة أو المفتوحة أو الذاتية، ولم يظهر تحيّز تصحيح موحّد — فقد كانت النماذج أحياناً أكثر تسامحاً وأحياناً أكثر صرامة، وتجنّبت الدرجات المتطرفة غالباً (Can ChatGPT Replace the Teacher in Assessment? A Review of Research on the Use of Large Language Models in Grading and Providing Feedback). ويمكن لصقل سلم التقييم التكراري أن يدفع تقييم الأسئلة المفتوحة بالنماذج اللغوية الكبيرة نحو موثوقية قريبة من البشرية في بيئات الطب عالية المخاطر: وجد أولفيت وآخرون (2026) أنه بمجرد أن راجع أعضاء هيئة التدريس بشكل متكرر سلالم التقييم التحليلية والشاملة على تحليل أنماط الأخطاء، بلغ GPT-4 اتفاقاً جوهرياً إلى شبه مثالي مع مصحّحي أعضاء هيئة التدريس في ثلاثة من أربعة أسئلة ما قبل التمرين (كابا مُرجَّح يصل إلى 0.94)، في حين بقي البند الشامل المتبقي على اتفاق متوسط فقط (κw = 0.54) — مما يُظهر مردود هندسة سلم التقييم البشري في الحلقة وحدوده في المهام الشاملة التركيبية.
• التقويم الشفهي وتقويم الأداء المُساعَد بالذكاء الاصطناعي. تنقل دراسة تصميم في التعليم التقني والمهني (TVET) التقويم بعيداً عن الأنماط الغنية بالنص نحو الامتحانات الشفهية التفاعلية المدعومة بنموذج لغوي كبير: فعبر أربع دفعات، صنّف 21 متعلّماً من 33 مهمة الصوت بأنها واقعية ولم يعترض أحد على أن التحدث في الزمن الحقيقي عكس الكفاءة أفضل من محفظة مكتوبة، في حين تفاوت عدد الكلمات لأسئلة متطابقة خمسة إلى ثمانية أضعاف بين الدفعات وأجاب تسعة متعلّمين بكلمتين إلى ثلاث عشرة كلمة وكانوا جميعاً صحيحين. وعمل النظام دون اتصال على حاسوب محمول واحد يخدم حتى 12 متعلّماً متزامناً باستخدام Mistral 7B وfaster-whisper، وحذف التسجيلات بعد 90 يوماً، وترك أحكام التقييم للمقيّمين — وهي حالة من تصميم تقويم البشري في الحلقة لمؤهلات موجّهة نحو العمل. (Designing AI-Supported Oral Assessment in TVET)

تحديات الصدق والقياس

يثير الذكاء الاصطناعي أسئلة صدق أساسية: هل تقيس تقويمات المصحّحة بالذكاء الاصطناعي تعلّم الطلاب أم مهارة موجّهات الذكاء الاصطناعي؟ وهل يُبطل استخدام الطالب للذكاء الاصطناعي التقويمات التقليدية؟ وتشمل التحديات المفتاحية:

• صدق البناء: يُظهر البحث في التعليم القائم على الكفاءات أن الذكاء الاصطناعي التوليدي قطع الاستدلال بين الأداء والقدرة الكامنة — فقد يُقدّم متعلّم عملًا بمستوى مهني لا يستطيع إنتاجه دون الأداة. وهذا يحفّز إعادة تصوّر ما يُقوّم من كفاءات.
• التشارك في التأليف والنزاهة: يقترح تشارك التأليف والنزاهة مصدراً جديداً لأدلة الصدق يُخترق عندما يُقدّم الطلاب محتوى مُنتَجاً بالذكاء الاصطناعي لا يفهمونه، ويستكشف «المقابلات الشفهية مع الذكاء الاصطناعي» كاستجابة.
• الجودة القياسية النفسية: يعمل الذكاء الاصطناعي المدرك للقياس النفسي والتقويم الواعي بالثقة على إبقاء تقييم الذكاء الاصطناعي موثوقاً ومنصفاً وقابلاً للتفسير.
• تقييم مُقيِّمي الذكاء الاصطناعي: يُوفّر تقييم الذكاء الاصطناعي في التعليم (AI Ed Evaluation) المناهج والمعايير لتحديد ما إذا كان المُقيّمون الآليون يعملون فعلاً — من حيث الموثوقية وأصول التدريس واستراتيجيات التعليم والإنصاف — لا الدقة الظاهرة وحدها.
• موثوقية الاعتماد على الجودة في تصحيح الذكاء الاصطناعي والأقران (2026): بمقارنة تصحيح ChatGPT والأقران والمدرّب لـمشاريع جماعية للطلاب الجامعيين ذاتها، أظهر أوشر وفاراون (2026) أن مواءمة التصحيح مع المدرّب مشروطة بجودة عمل الطالب: إذ نُفّخ تقدير ChatGPT للمسلّمات منخفضة الجودة أكثر وكان مواءَماً أفضل مع المدرّب في الأعمال عالية الجودة، في حين واءم الأقران أفضل في الأعمال الأضعف وقلّلوا تقدير المشاريع القوية. ويتحدّى هذا التأطير الثنائي «موثوق مقابل غير موثوق»، مشيراً نحو نماذج موثوقية مشروطة تُزاوج فيها المُقيّمون البدائل بالمهمة ومستوى الأداء.
• التصحيح البشري ذاته حامل للقيم (2026): يُظهر لو وداوسون (2026) أن التصحيح البشري حتى للأعمال المُساعَدة بالذكاء الاصطناعي التوليدي ليس فعلاً محايداً قائماً على المعايير. كشفت مقابلات قائمة على السيناريوهات مع 33 مدرّباً جامعياً أن قرارات التصحيح تحرّكها قيم موجّهة للشخص (الصدق والإجتهاد)، وموجّهة للقدرة (الاستقلال ومهارة الذكاء الاصطناعي التوليدي والتمكّن من المجال الدراسي)، وموجّهة للعلاقة (الثقة)، وموجّهة للعدالة (الإنصاف والإحسان) — مُمتَدةً خارج الواجب إلى تخمين المدرّب عن الطالب. ويُعيد هذا التأطير سؤال التقويم من «هل استخدام الذكاء الاصطناعي التوليدي غش؟» إلى «كيف تُشكّل أحكام المدرّبين القيمية الدرجات، وهل تلك القيم ذات صلة بالنتائج التي تُقوّم؟» — مُبرِزاً الصدق والشفافية «ذات الاتجاهين» حول كيف سيؤثر استخدام الذكاء الاصطناعي التوليدي في الدرجات.

النزاهة والجدل حول الكشف

شدّد الذكاء الاصطناعي في التقويم حديث النزاهة. ويركّز اتجاه واحد على كشف النصوص المُنتَجة بالذكاء الاصطناعي، في حين تجادل هيئة متنامية من البحوث أن الكشف أداة محدودة موقفية — ليست استراتيجية أولى. ويجادل ما بعد الكشف والتقويم المسؤول بأن الأصالة لا يمكن أن تُفرَض بالشرطة؛ بل يجب إعادة تصميمها، بتمركز الذكاء الاصطناعي كشريك مُعلَن وإعطاء أولوية للتقويم الأصيل والقائم على العملية على المراقبة. ويؤسّس والتون وآخرون (2025) ذلك على دليل من كيف يحكم الطلاب فعلاً طريقهم في التقويم بالذكاء الاصطناعي التوليدي: كشفت مقابلات الرجوع إلى الخلف مع 26 طالباً عن طيف من ستة أحداث حكم — من التقييم النقدي لمعرفة الذكاء الاصطناعي والتعلّم عبر قصوره، إلى تبنّي الأفكار دون نقد وإساءة تقدير مساهمات الذكاء الاصطناعي كأنها مساهماتهم الخاصة. ويُضيف ستاماتوليس وآخرون (2026) نظيراً كمياً: فعبر 157 طالباً، تنبّأ كيف يُستخدم الذكاء الاصطناعي التوليدي (التكامل التقويمي لدعم الفهم مقابل الاعتماد المختصر منخفض التحقق) بالأداء، في حين لم يتنبّأ تكرار الاستخدام البسيط بالأداء ولا بالثقة الأكاديمية الكفاءة الذاتية. ومعاً تُعيد هذه الدراسات تأطير سؤال التقويم من ما إذا يستخدم الطلاب الذكاء الاصطناعي إلى كيف يحكمون على ذلك الاستخدام وينمطونه. باسيت وآخرون (2026) يتجاوزون ذلك، مجادلين بأنه لا ينبغي استخدام الكشف على الإطلاق: فمخرَجه الاحتمالي لا يمكن التحقق منه باستقلال لأن أصل النص في العالم الحقيقي مجهول، ودرجات الكاشف — وحدها أو مع المؤشرات اللغوية أو مقارنات الأسلوب أو ادعاء نموذج لغوي كبير أو صمت الطالب — لا تفي بمعيار توازن الاحتمالات الذي تتطلبه تحقيقات النزاهة.

تُضيف مراجعة PRISMA لـ25 دراسة عامل خطر يتركه جدل الكشف: فقد أظهر المتحدثون غير الأصليين بالإنجليزية ميلاً عالياً إلى إخلال النزاهة عند معاناتهم في الكتابة بالإنجليزية، لذا ينبغي أن تُزاوج توقعات النزاهة بدعم ملموس للكتابة الأكاديمية لا بالتنفيذ وحده (بالال وبانيلاج (2025)).

إعادة تصميم التقويم في عصر الذكاء الاصطناعي

السؤال البنّاء في أدب التقويم في قاعدة المعارف ليس «كيف نمنع الطلاب من استخدام الذكاء الاصطناعي؟» بل «كيف نُمكّنهم من استخدامه بتأنٍّ في سياقات تُحاكي أعمالهم المستقبلية؟» وهذا يُعيد تأطير التقويم حول:

• المهام الأصيلة والقائمة على العملية التي تجعل استخدام الذكاء الاصطناعي مرئياً ومُقوَّماً. التقويم الأصيل — فحص أداء الطالب في مهام جديرة وواقعية — هو الاستجابة الرائدة لتحدي الذكاء الاصطناعي: فأي مهمة يستطيع النماذج اللغوية الكبيرة (LLMs) محاكاتها بشكل مقنع تفقد صلاحيتها، لذا يجب إعادة تصميم الأصالة حول التعاون في الزمن الحقيقي والمساهمة الرقمية والاجتماعية وبناء المعنى الفردي. ويرتبط ذلك بـأطر تصميم التقويم الأصيل والمنتجات الأصيلة والعمليات المُصادَق عليها والتقويم المحايد للأدوات للعملية.
• تصميم تقويم مسؤول مؤسّس على أدلة الصدق (Responsible Assessment in the AI Era: Key Insights from a Future-Focused Conference)
• أذونات الذكاء الاصطناعي على مستوى المهمة مستنبطة من أهداف التقويم: يُظهر ماكوركل (2025) عمل تصميم التقويم الذي يسبق سياسة الذكاء الاصطناعي — حصر كل مهمة في المشروع، وتحديد ما يُقوَّم وأي هدف يُقاس عليه، والسماح بالذكاء الاصطناعي أو منعه لكل مهمة على ذلك الأساس (العصف الذهني وانتقاء الصور مسموحان؛ صياغة أهداف التعلّم وتصميم الشرائح ليسا كذلك). وتضاعف تمرين المواءمة ذاته كفحص للاستدلال الذي يدعمه التقويم، لأنه يُجبر المدرّب على تسمية الأداء الذي يُفترض أن تضمنه الدرجة (صدق التقييم).
• التقويم الذي يتجاوز النمط اللغوي: يُعرّف جيانغ وآخرون (2026) ثقافة التقويم متعدد الوسائط لمدرّبي اللغة الثانية كمعرفة وقيمة وكفاءة في المهام التي تستدعي استجابات عبر الأنماط اللغوية والبصرية والسمعية والإيمائية والمكانية. ورفع برنامج دام سنة مع 30 مدرّباً للإنجليزية في هونغ كونغ معرفة استراتيجيات التقويم من 3.13 إلى 4.15 من 5 (η² الجزئي = 0.571) والكفاءة في دعم الطلاب من 3.05 إلى 3.98 (0.482)، في حين بقيت النطاقات الثلاثة للقيمة ثابتة. وأضافت تجربة المدرّبين أنفسهم بُعدين إلى الإطار: الحفاظ على الممارسة في مواجهة أولويات منهجية منافسة، وحشد الذكاء الاصطناعي التوليدي بشكل نقدي (جيانغ وآخرون (2026)).
• التشارك في التأليف والإعلان كجزء من عقد التقويم
• الإنتاج ككفاءة — تقييم قدرة المتعلّمين على توجيه الأدوات وإنتاج أعمال بمستوى مهني (Knowledge, Skills, Attitudes, Production: Competency-Based Education After Generative AI)
• تقويم عملية التفاعل لا المصنوع فحسب — يُعامل إطار DRIVE (الاستدلال الموجَّه + التفاعل + الخبرة المرئية) جودة اندماج الطالب مع الذكاء الاصطناعي التوليدي كبناء مُقوَّم. ويميّز الاستهلاك السطحي عن التفاعل العميق التأملي بالنظر إلى ما إذا كان الطلاب يُوجّهون الموجّهات استراتيجياً (DRI) ويدمجون أفكارهم التخصصية الخاصة ويطوّرونها عبر التبادل (VE)، مؤسّساً معايير متمركزة على العملية في نظريات التعلّم الموجّه ذاتياً والاندماج المعرفي على نهج تدرّج ICAP. وهذا يجعل DRIVE مثالاً على التقويم الأصيل المُوسَّط بالذكاء الاصطناعي — سلم تقييم لكيفية شراكة المتعلّمين مع الذكاء الاصطناعي التوليدي لا أداة كشف.

تقترح مقترحة في هذا الأدب تجاوز إعادة التصميم داخل الإطار الحالي. يُجادل الخوري وما (2026) بأن الإصلاح المُنظَّم حول منع المخالفات أو كشف استخدام الذكاء الاصطناعي يُضيّق الخيال التعليمي إلى التحكم والامتثال، ويقترحان التقويم المبهج بدلاً منه: تقويماً آمناً ومتجاوباً عاطفياً ومُمَكِّناً وداعماً لـوكالة الطلاب، مع السلامة كشرط حامل للحمل لأنه بدونها يصبح التناغم العاطفي أداءً والتمكين ضغطاً والوكالة مخاطرة. ويقلب تأطيرهما أجندة الكشف — فتصبح النزاهة نتيجة لتصميم تقويم يريد الطلاب الاندماج فيه لا نقطة انطلاقه — ويتمركزان بمدرّبين يبنون وكلاء ذكاء اصطناعي (نماذج GPT مخصّصة وGems ووكلاء Copilot Studio) كفضاء تدريب منخفض المخاطر يتدرب فيه الطلاب قبل الحكم، بادّعاء أن الذكاء الاصطناعي يُنظّم الأدلة بينما يفسّرها المدرّب.

انعكاسات ذلك على الذكاء الاصطناعي في التعليم

• التقويم والتعلّم لا ينفصلان: ينبغي أن يدعم تقويم الذكاء الاصطناعي الجيد التعلّم (التغذية الراجعة التكوينية) بقدر ما يقيّمه.

• يجب إعادة تصوّر الصدق: عندما يستطيع الذكاء الاصطناعي إنتاج أعمال الطلاب، يجب أن تقيس التقويمات العمليات والحكم والإنتاج الأصيل لا المخرجات فحسب.

• يجب تقييم الأتمتة بدقة: يحتاج المُقيّمون الآليون إلى تقييم قياسي نفسي وإنصافي، لا إلى ادعاءات دقة فحسب.

• تنتقل النزاهة من الكشف إلى التصميم: أقوى استجابة للذكاء الاصطناعي في التقويم هي تصميم مهام يُتوقّع فيها استخدام الذكاء الاصطناعي ويُعلَن عنه ويُحاسب عليه.

• يمكن للممارسات المبتكرة أن تعالج مشكلات متعددة في وقت واحد. يُجادل مسني وروبيرج-مالتاي وغالي (2026) بأن مجموعة من خمس ممارسات متعاضدة — التقويم الأصيل والتقييم الذاتي وتقييم الأقران وإعادة التقويم والتقييم القائم على المعايير وإلغاء الدرجات — مواءَمة مع نموذج «التقويم للتعلّم» تستطيع مواجهة أضرار التصحيح التقليدي الختامي الثقيل والمعياري (التعلّم السطحي، والدافع الذاتي المتآكل، والتوتر والقلق، وعدم الإنصاف، والنزاهة المُختلة) في عصر الذكاء الاصطناعي التوليدي. ويجدون أن الاعتماد غير متساوٍ عبر المجالات — إذ تهيمن التقييم الذاتي وتقييم الأقران بينما تبقى الابتكارات المتمركزة على التصحيح هامشية — ويحثّون المربّين على الاندماج بشكل أكثر فعالية وتكافلاً مع الابتكار في التقويم والتصحيح، مدعوماً بتجريب تدريجي ودعم مؤسسي.

• التقويم المُوسَّط بالذكاء الاصطناعي يتنوّع. يُظهر AIvaluate أن وكيلاً محادثياً معزَّزاً بنموذج لغوي كبير خفّض قلق الطلاب أثناء التقويمات القائمة على الأداء؛ ويجد بنتلاند (2026) أن الامتحانات الشفهية غير المتزامنة قدّمت اندماجاً أعلى وأُدركت كذات صلة مهنية؛ ويستخدم نظام التدريس الذكي القائم على الرسم البياني تتبّعاً تكيفياً لحالة المعرفة لإعلام التقويم.

المفاهيم المرتبطة

• المتعلّمون — المتعلّمون: المظلّة لمفاهيم جانب المتعلّم
• الشراكات التربوية — الشراكات البيداغوجية
• التقويم البنّاء — التقويم التكويني: بنود مُولَّدة ومُصادَق عليها وتكيفية على نطاق واسع
• التقويم الآلي — التصحيح الآلي والتقييم عبر أنماط التقويم
• التقويم الأصيل — مهام أصيلة قائمة على العملية ومقاومة للذكاء الاصطناعي
• صدق التقييم — صدق التقويمات تحت الذكاء الاصطناعي التوليدي
• القياس التربوي — نظرية القياس المُؤسِسة لتقويم الذكاء الاصطناعي
• تقويم المقالات الآلي — تقويم المقالات الآلي
• توليد الأسئلة الآلي — توليد الأسئلة الآلي
• التقييم الشفهي — التقويم الشفهي: أنماط حية ومسجّلة تقاوم الاستبدال بالذكاء الاصطناعي
• التقويم الختامي — التقويم الختامي: أنماط مقاومة للذكاء الاصطناعي (شفهي، تحت مراقبة، امتحانات كتاب مغلق)
• نظرية الاستجابة للمفردة — نظرية الاستجابة للمفردات لتفسير استجابات التقويم في عصر الذكاء الاصطناعي
• الذكاء الاصطناعي المدرك للقياس النفسي — تقييم الذكاء الاصطناعي الواعي قياسياً نفسياً
• تحليلات التعلّم — التحليلات التي تربط بيانات التقويم بالتعلّم
• التغذية الراجعة — حلقات التغذية الراجعة التي تُغلق دورة التقويم-إلى-التعلّم
• ثقافة التغذية الراجعة — ثقافة التغذية الراجعة لدى المتعلّم
• النزاهة الأكاديمية — النزاهة والجدل حول كشف الذكاء الاصطناعي
• كشف محتوى الذكاء الاصطناعي — كشف النصوص المُنتَجة بالذكاء الاصطناعي
• تقييم الذكاء الاصطناعي في التعليم (AI Ed Evaluation) — المناهج والمعايير لتقييم المُقيّمين الآليين
• الملف الإلكتروني — تقويم المحفظة الإلكترونية القائم على العملية
• تقنيات الكلام والصوت
• التقويم بالأقران

المقالات المرتبطة

• Conceptualizing and developing second language teachers' multimodal assessment literacy in the GenAI era — برنامج دام سنة يُعرّف ثقافة التقويم متعدد الوسائط ويقيس ما تحرّك وما لم يتحرك
• AI Agents, Joyful Assessment, and Third Space: Rethinking Assessment in the GenAI Era — وكلاء الذكاء الاصطناعي والتقويم المبهج والفضاء الثالث
• Designing an Aligned Generative AI Course Policy: An Equitable and Transparent Learner-Centered Approach — أذونات الذكاء الاصطناعي على مستوى المهمة مستنبطة مما يُقوَّم (ماكوركل 2025)
• Who grades best? Comparing ChatGPT, peer, and instructor evaluations across varying levels of student project quality — مقارنة تصحيح ChatGPT والأقران والمدرّب عبر مستويات جودة المشروع (أوشر وفاراون 2026)
• Responsible Assessment in the AI Era: Key Insights from a Future-Focused Conference — تقويم مسؤول في عصر الذكاء الاصطناعي
• Beyond Detection: Redesigning Authentic Assessment in an AI-Mediated World — ما بعد الكشف: تقويم أصيل
• Coauthorship integrity: Reconceptualising assessment validity for the age of generative artificial intelligence — تشارك التأليف والنزاهة وصدق التقويم
• Knowledge, Skills, Attitudes, Production: Competency-Based Education After Generative AI — التعليم القائم على الكفاءات بعد الذكاء الاصطناعي التوليدي
• Generative AI as a Design Variable: An Evidence-Centered Framework for Principled Governance in STEM Assessment — حوكمة قائمة على الأدلة للذكاء الاصطناعي التوليدي في التقويم
• Reassessing Academic Integrity in the Age of AI: A Systematic Literature Review on AI and Academic Integrity — مراجعة نزاهة الذكاء الاصطناعي: يجب أن يُزاوج الكشف بإعادة تصميم التقويم
• Heads We Win, Tails You Lose: AI Detectors in Education — نكسب رأساً ونخسر ذيولاً: كواشف الذكاء الاصطناعي في التعليم (باسيت وآخرون 2026)
• Exploring student anxiety and experience in performance-based assessments using AIvaluate: an LLM-augmented emotionally — AIvaluate: تقويم قلق الطلاب المعزَّز بالنماذج اللغوية الكبيرة (2026)
• Intelligent tutoring in dynamic domains: a graph-based system for comparative analysis of adaptive algorithms — التدريس الذكي القائم على الرسم البياني للمجالات الديناميكية (2026)
• Asynchronous Oral Assessments: Enhancing Integrity, Engagement, and Communication in the AI Era — الامتحانات الشفهية غير المتزامنة في عصر الذكاء الاصطناعي (بنتلاند 2026)
• Assessing students' DRIVE: A framework to evaluate learning through interactions with generative AI — DRIVE: تقويم التعلّم عبر التفاعل مع الذكاء الاصطناعي التوليدي (DRI + الخبرة المرئية)
• How university students work on assessment tasks with generative AI: matters of judgement — الحكم في أعمال الطلاب مع الذكاء الاصطناعي التوليدي في مهام التقويم (26 طالباً، الرجوع إلى الخلف)
• Same tool, different work: patterns of generative AI use and academic outcomes — أنماط استخدام الذكاء الاصطناعي التوليدي (التكامل التقويمي مقابل الاعتماد منخفض التحقق) والنتائج
• Exploring value judgements in grading: will teachers mark down student work assisted by GenAI, and should they? — الأحكام القيمية في تصحيح العمل المُساعَد بالذكاء الاصطناعي التوليدي: الصدق والثقة والصدق والشفافية ذات الاتجاهين (لو وداوسون 2026)
• Estimating Item Difficulty Using Large Language Models and Tree-Based Machine Learning Algorithms — تقدير صعوبة البنود باستخدام النماذج اللغوية الكبيرة وتعلّم الآلة الشجري
• Automated Grading of Open-Ended Questions in Higher Education Using GenAI Models
• Innovative assessment and grading practices in higher education: A critical exploration for management educators
• Can Generative Artificial Intelligence Reliably Score Open-Ended Question Assessments in Undergraduate Medical Education?
• Can ChatGPT Replace the Teacher in Assessment? A Review of Research on the Use of Large Language Models in Grading and Providing Feedback
• AI Can Do Your Homework. Now What? Report from an online workshop on computing assessment in the age of generative AI — يستطيع الذكاء الاصطناعي أن يقوم بواجبك. والآن ماذا؟ تقرير من ورشة عمل عبر الإنترنت حول تقويم الحوسبة في عصر الذكاء الاصطناعي التوليدي